随着现代信息技术的飞速发展,目标识别在社会各个领域中的作用日益突出。通过几代人的不断努力,目标识别技术得到了长足的发展。光场作为图像的一种特殊表示形式,得到很多学者的青睐。近年来关于光场重构方法的研究成果越来越多,不仅丰富了光场获取方法的研究内容,而且在一定程度上弥补了图像识别存在的不足。因此,本文围绕目标识别和光场重构开展了如下研究工作:(1)提出一种基于小波变换与稀疏傅里叶变换相结合的光场重构方法:利用小波变换将原图像分解为多个不同频率的子图像便于分别同时处理,以降低计算复杂度,同时也可有效地抑制因窗口效应对重构结果的影响;将高频信息和低频信息分开分别重构,这有望改善并网恢复中小频率丢失的问题;最后通过仿真验证算法的有效性。(2)提出一种基于光场重构的图像识别算法:基于现有识别算法存在的问题,将重构光场作为目标特征库应用到图像识别中;能较好地解决由于图像的拍摄角度不同而难以识别的问题;通过仿真验证算法的有效性。(3)提出一种基于空间位置关系的物体识别上下文模型和算法:在已有的上下文模型基础上,将上下文信息中的物体空间位置关系信息引入到上下文模型中,并通过隶属度函数对物体空间位置关系的分析和表示做出改进;新方法既能大大提高目标识别率,又能够更好的保持场景一致性;通过仿真实验对算法进行测试与结果对比,以验证方法的有效性。